曹玉姍

（中國人民解放軍96923 部隊，遼寧大連 116313）

0 引言

底盤車架是車輛的基礎(chǔ)，與引擎、驅(qū)動軸等其他部件擔(dān)負(fù)的作用不同，車架是汽車傳動結(jié)構(gòu)和車軸的承載體，是汽車穩(wěn)定性能的最主要體現(xiàn)點之一。軍用車輛由于需要適應(yīng)的行駛環(huán)境更為復(fù)雜、嚴(yán)酷，因此對其承重能力的指標(biāo)要求比較高。軍用車底盤車架也是使用中故障發(fā)生較多的部位，尤其在車輛執(zhí)行載重越野任務(wù)中，極容易因為底盤車架受到超過限定承受能力的外力，導(dǎo)致底盤車架出現(xiàn)損傷[1]。這些損傷有的僅是車架結(jié)構(gòu)件勞損、強度下降，嚴(yán)重的則會出現(xiàn)結(jié)構(gòu)裂紋，影響車輛承載能力，甚至?xí)斐绍嚰軘嗔?、車輛嚴(yán)重?fù)p壞。

針對底盤車架的維修檢測，由于存在損傷部位不易直觀發(fā)現(xiàn)等困難，或欠缺焊接維修后不易驗證維修質(zhì)量的有效手段，因此檢測方法存在空白[2]。聲探測是利用聲波在傳導(dǎo)中，通過介質(zhì)不連貫或斷裂處會產(chǎn)生回波，造成相位變化的原理，檢測底盤車架的故障情況[3]。這種方法適用于正常車輛底盤車架的檢測，也可以對焊接的底盤車架進行檢測。本文通過維修萬山2400 型底盤車架，設(shè)計了一種基于聲探測的維修故障檢測方法。

1 裝備車底盤車架焊接維修故障檢測方法研究

通過聲探測方法檢測底盤車架焊接維修故障檢測方法是監(jiān)測車架連接的聲源部件發(fā)出的聲音信號，經(jīng)過底盤車架傳導(dǎo)后，其聲音信號的波形與相位都會發(fā)生變化，通過對比變化情況，發(fā)現(xiàn)其中的故障類型和故障點，實現(xiàn)檢測功能[4]。為簡化檢測設(shè)備的組成，聲源部件選用底盤車架中的電機，通過檢測電機發(fā)出的聲音信號檢測底盤車架的焊接維修故障。

在檢測過程中，最初要采集待檢修的汽車底盤聲音信號，處理并進行噪聲消除，利用N 層分解獲得兩個子波系數(shù)，對得到的子波系數(shù)重構(gòu)，就能在進行過程中構(gòu)成兩個子信號，使用遺傳算法對這兩個子信號進行估算和精進[5]。具體算法設(shè)計如圖1 所示。

圖1 算法設(shè)計

算法設(shè)計主要過程：在設(shè)定實驗工況為電機穩(wěn)定轉(zhuǎn)速的前提下，先采集電機聲音信號。根據(jù)時間間隔采樣，采集正常運行電機和人工控制電流的10 組聲信號數(shù)據(jù)，模擬確定底盤故障后的故障狀態(tài)。采用軟閾值小波去噪。在去噪過程中，如果選擇的測試位置在距離電機1.45 m 的地方，那么這個位置的EPS處于正常運行的狀態(tài)，不需拆卸裝備車即可測量的最佳位置。因此，需要分別重構(gòu)小波去噪點。重構(gòu)后一般得到子信號，對子信號進行分析，傳感器采集聲音樣本，以確保共振諧波的生成。此時，傳感器經(jīng)過調(diào)理電路，傳感器輸出的是電機的振動頻率信號。計算每個個體的自適應(yīng)值，以確定采集卡的輸入通道可以同時被采樣。檢測對象為萬山2400 電動助力轉(zhuǎn)向電機，選擇自適應(yīng)值較高的電機進行復(fù)制。當(dāng)電機在空載狀態(tài)下測試時，電機只是在額定轉(zhuǎn)速和額定電壓下運行。聲信號采集傳感器布置選擇4 個點，電機上下兩端各有一個傳感器。采集信號的選擇以4 個點的最大值為準(zhǔn)。在上述檢測過程中，由于電機在高速轉(zhuǎn)動中自身存在諧振、底盤車架上的其他結(jié)構(gòu)部件會發(fā)生共振，因此采集到的聲音信號中需要剔除掉噪聲信號，得到真實的聲音信號，因此檢測方法中聲信號消噪是首先要處理好的環(huán)節(jié)。

1.1 聲信號消噪

排除故障前需要采用多諾霍閾值法來消除噪聲，采用這種方法之前需要對小波信號中包含的信息進行篩選和識別，當(dāng)小波中檢測的信息出現(xiàn)閾值較大或者信息數(shù)目較少的情況下就相對符合小波測噪的理論。當(dāng)小波信號當(dāng)中出現(xiàn)了絕對值較小的情況，可在此時將其系數(shù)設(shè)為零，這樣不僅可以避免外來噪聲的干擾而且也會自動消除內(nèi)部產(chǎn)生的干擾性聲音。這種方法主要采用小波在聲音識別過程中的聲音系數(shù)壓縮功能進行改變和調(diào)整。將許多小波信號進行系數(shù)壓縮或者保留，根據(jù)小波映射得到的信號進行重構(gòu)，在一定程度上可以降低噪聲的外在干擾。此時的小波信號也將這些噪聲自動分解為一維信息。明確小波s 和小波需要分解的層數(shù)N，隨后對小波s 實施N 層小波分解并能獲得一些小波系數(shù)Wjk。另外，量化分解小波高頻率系數(shù)的閾值，從第1 層到第N 層，變化層數(shù)也會導(dǎo)致相應(yīng)閾值發(fā)生變化，在這里的閾值是隨著層數(shù)的增加而成正比增長的，將這些閾值系數(shù)進行量化，獲得預(yù)計的小波系數(shù)Wjk。隨后對一維性質(zhì)的小波重組，根據(jù)小波信號分解相關(guān)原理對第一層到第N 層進行分析和推算最終得到確定信號內(nèi)容并對這些內(nèi)容進行重構(gòu)。

1.2 底盤故障信號聲響檢測

底盤故障聲音提取信號時，制動盤、輪胎、驅(qū)動器和轉(zhuǎn)向系統(tǒng)都存在著大幅度的異常故障聲音信息。檢測到的聲音通過汽車內(nèi)部固體金屬構(gòu)件和空氣傳播，它們一起形成了嘈雜的裝備車噪聲。聲學(xué)故障診斷是根據(jù)機械設(shè)備狀態(tài)信號的物理特性進行故障診斷的方法之一。聲學(xué)故障診斷操作簡單，可在線監(jiān)測。因此小波分析方法在很多情況下被使用。相比于傳統(tǒng)的頻域分析法，在時域和頻域之內(nèi)，小波分析法能夠更好地表現(xiàn)出方法特征，且由于時間窗和頻率窗的寬度可以在小波分析法中得到調(diào)整，因此大部分的突變聲音信號被得以檢測。

1.3 底盤小波包頻率轉(zhuǎn)換

提取小波包信號，根據(jù)其所經(jīng)過的N 層頻率范圍，對信號分別進行分析，使小波系數(shù)重新構(gòu)建成子信號，隨后使用二進制數(shù)據(jù)，對字符串結(jié)構(gòu)進行設(shè)置，所要得到的最終信號存在于眾多信號的組合之中。小波［N，K］位信號在N 位長的數(shù)據(jù)串中，其中K 位為1。由于信號的分辨率沒有限制，一般只能得到一個有限的分辨率值。此時原始信號的確定需要通過創(chuàng)建一個最優(yōu)信號集進行分解和重構(gòu)，在這個信號集中通過信號表示小波包多次的頻率變換中幅值的變化情況，一般情況下可以得到高濾波信號和低濾波信號集。在高低濾波的變換過程中小波包實際上起到信號交換和分離的作用，如果繼續(xù)分析高低濾波，將會得到不同維度的分解變量，使小波包整體接收效率得到有效提升。因此，該方法雖然得到裝備車底盤故障的位置以及相關(guān)信息，但仍然存在一定誤差。

為了更好地利用此方法對裝備車底盤故障進行分析，但還可以通過提高小波包變換頻率改變該信號系數(shù)值，擴大信號傳播尺度間接降低了采樣間隙，時間分辨率也相對降低。因此，小波包可以被進行分割、頻帶變薄、尺度變寬等操作。根據(jù)聲音信號在正常操作的底盤和測量信號故障期間，獲得了相關(guān)函數(shù)，擬合是合成與直線之間的夾角的余弦值，橫軸為適應(yīng)度函數(shù)曲線，最后獲得的故障位置。

2 實驗分析

2.1 實驗準(zhǔn)備

實驗是在噪聲測試實驗室內(nèi)進行，實驗對象為萬山2400 系電動助力轉(zhuǎn)向電機。本次試驗的第一步需要對2400 系電動助力轉(zhuǎn)向電機正常運行時的聲信號數(shù)據(jù)進行采集，隨后對電機的控制電流進行減弱和提高，數(shù)值為額定電流的1/2 和1.5 倍，斷開繼電器和加大負(fù)載的方式，采集人為設(shè)置故障時的聲信號數(shù)據(jù)。

2.2 實驗結(jié)果分析

由于波形受到其他噪聲的干擾，電機在不同人為設(shè)置故障狀態(tài)下采集到的聲信號的時域波形圖差異性較難區(qū)分，在頻帶的局部能量區(qū)間，對對聲信號進行小波包特征的提取，隨后將故障特征數(shù)值歸一化，用這種發(fā)放將數(shù)值變換到［0，1］的區(qū)間，在故障識別的過程中，依照其歸一化使神經(jīng)網(wǎng)絡(luò)的權(quán)值被縮小在一定范圍內(nèi)。因此使用頻域分析手段進行分析處理。圖2 為仿真轉(zhuǎn)向電機突然斷開繼電器異常狀態(tài)時電機的聲譜密度圖。

圖2 模擬時域折線圖

由圖2 可知，在轉(zhuǎn)向電機運作時，在正常運行區(qū)間450～850 Hz、2550～3550 Hz 之間不存在能譜的顯現(xiàn)。當(dāng)控制電流改變?yōu)轭~定控制電流的1/2 時，在400～800 Hz 的能譜顯現(xiàn)，頻帶在2000～3000 Hz會變得更加明顯。當(dāng)控制電流改變?yōu)轭~定控制電流的1.5 倍時，頻帶也隨之改變。在常規(guī)操作機械中，由于工作過程中其他部件的運動所造成的影響，很難找到頻譜與故障之間的關(guān)系。圖3 為采用小波級數(shù)對模擬故障條件不相同情況的下，動力轉(zhuǎn)向電機聲信號進行4 層小波變換的結(jié)果，并分析小波分解后各層的自然功率譜聚集程度。

圖3 聲譜密度分析

當(dāng)轉(zhuǎn)向電機正常工作時，突然在輸出端增加負(fù)載。可以發(fā)現(xiàn)，當(dāng)負(fù)載增大時，400～800 Hz 頻段的能量幅值增大，頻帶寬度約為1400～2400 Hz，能量也增加了很多。負(fù)荷突然加大會產(chǎn)生較大的噪聲；當(dāng)電機工作中斷，繼電器打開時，由于電機實際轉(zhuǎn)速明顯減慢，電機發(fā)出的異常聲能在各個頻段內(nèi)減小。通過實驗分析，對比正常情況和故障情況下裝備車底盤車架的頻率和聲譜密度，發(fā)現(xiàn)采用聲探測方法可以有效識別底盤車架中的異常信號，實現(xiàn)對汽車底盤車架焊接維修故障的檢測。

3 結(jié)束語

本文在以往裝備車底盤故障診斷技術(shù)研究成果的基礎(chǔ)上，提出了基于聲信號監(jiān)測技術(shù)的裝備車底盤故障診斷方法，并對故障聲信號的特征提取和分類識別進行研究，并經(jīng)過實驗驗證對底盤車架故障的檢測能力達到預(yù)期。需要指出的是，基于小波分析方法的研究在底盤診斷中具有很大潛力，但該方法僅對實驗室聲學(xué)信號模擬故障進行有效識別和判定，真實裝備車輛在道路上的實際形式故障并沒有經(jīng)過驗證，所以設(shè)計存在局限性，需要更進一步的探討和發(fā)展。在車輛維修中需要針對不同類型的車輛收集更多的樣本數(shù)據(jù)，形成更為廣泛的數(shù)據(jù)基礎(chǔ)，作為未來車輛維修的經(jīng)驗儲備。